别让 agent 自己说"我搞定了"
Agent 最危险的产出不是烂代码，是"我搞定了"这几个字。
挂掉一个测试的烂代码是个非事件：你看见了，你修了，没人会把它上线。真正伤到你的，是裹在一句自信的"我已经实现并验证它能跑了"里送来的烂代码，因为写它的那个 agent，同时也是给它打分的那个 agent，而且打分手松。它是带着"这代码是对的"这个信念写出来的。让它检查自己的活，等于让它再确认一遍它一开始就有的那个信念。它当然过。
这是 给 agent 盖一个能维护的仓库 系列的最后一篇，讲的是前三篇一直在悄悄铺垫的那半个问题。结构 告诉 agent 去哪儿干活。契约 框住它能弄坏什么。闸门 把散文规则换成墙。这一切都为了最后一件事：让"做完"变成一个 agent 必须从仓库里挣来的裁决，而不是一句它能自己给自己写的话。
四个动作，一层叠一层。
给它一个真能证明的东西
从代码本身说起，因为有的代码可证、有的不可证，这个区别决定了 agent 自己能验证多少。
一个纯函数，输入进、输出出，没有文件系统、没有网络、没有数据库、没有时钟、没有随机、没有环境变量，能被完整、即时地检查，只要一个单测。Agent 能写这个测试、跑它、看着它过或挂，然后在自己的循环里知道，不用 provision 任何东西。这就是那个确定性的修复靶子：一个 agent 能无人监督地迭代到正确的地方，因为那个 oracle 就在手边，查一次不要钱。
现在把同一条业务规则，抹进一个还顺手拉数据、读 localStorage 的 React 组件里，或者一个还顺手开事务、调 Stripe 的 controller 里。要验证它，agent 需要一个浏览器、一个数据库、一套凭据、一张网。它通常没法在自己的循环里把这些都搞齐，于是它做它能做的那件事：读 diff，判断看着挺对，宣布做完。逻辑从头到尾没错，是架构让它变得不可验证，而不可验证，正是假完成住的地方。
这才是分层真正要紧的原因：纯 core、做编排的 application、当接口的 ports、有副作用的 adapters、被隔离的 generated。它不是审美。你每往纯核心里下沉一条规则，就是一条 agent 自己能证明的规则。每一条被困在副作用层里的规则，是一条它只能断言的规则。六边形那个形状，本质上是一台机器，用来把你系统里"agent 不 provision 整个世界就能真正验证"的那部分比例最大化。把真相保持纯净，把 IO 推到边缘，你就把最大的那块可信任表面交到了 agent 手里。
把验证收成一条命令
第二个动作，是让"这做完了吗"只有一种回答方式。
如果检查一个改动，意味着要知道这种编辑得跑单测套件、那种得跑契约测试、视觉回归只在 CSS 动了时才管事、架构规则还有个单独的 lint 配置，那验证本身就是默契，而我们已经知道默契摆在 agent 面前会怎样。它被跳过、被跑一半、或者被猜。
所以你把它收拢：一条命令，make verify 或者 pnpm verify，把整套闸门跑一遍：类型、lint、单测、契约、集成、架构检查、巨文件检查、安全检查，返回一个单一的通过或失败。CI 跑一模一样的命令。现在"做完"有了一个精确又无聊的定义：命令以零退出，或者你拿确切的输出记下那个确切的阻塞点。没有判断，没有感觉，没有"我看着挺好"。Agent 没资格定义做完，你也没有。命令说了算。
让这条立得住的纪律小但绝对：*做完是那个 exit code，不是那种感觉。*一个 agent 说"我验证过这个改动了"，却没贴出那条用来验证的命令的输出，它什么都没验证。声明和证据，得是同一个东西。
别让作者批自己的卷子
第三个动作直接对付"批自己作业"那个问题，因为哪怕一个绿色的 verify，也可能盖住一个作者根本没想到要查的缺口。
修法是把写改动的那个上下文，跟判它的那个上下文分开。实现的 agent 泡在自己的假设里，它知道自己想表达什么，所以倾向于确认自己想表达的。一个全新的上下文，或者一个不同的判官，不共享那些假设，会注意到那个没被重跑的文件、那个没被覆盖的情形、那个悄悄退化了的行为。具体下来，这是一个干净 checkout 上的 CI，或者一个对实现毫无记忆的验证 subagent，或者一个 review bot，或者就是在一个作者没搭过的干净 worktree 里把闸门跑一遍。机制各异，原理不变：判断作者有没有做完，作者是最差的那个判官。
我觉得这是整个 agent 时代最被低估的想法，而且它能推广到代码之外。这也是我从不让自己当 agent 产出唯一审查者的原因：我留一道单独的关，它的全部工作就是当怀疑论者，因为生成的那个脑子和验证的那个脑子，不该是同一个脑子。谁来 review AI 写的代码，最后会变成那个决定这一切能不能 scale 的问题。同一个 agent 既写又批的时候，你没有验证，你有一个自信的解说员。
让证据熬过会话
最后一个动作，是给那些一次坐不下来的活准备的，而真实的活大多是这种。
Agent 在会话之间会丢记忆，哪怕在一个长会话里，上下文也会被压缩，早期的推理被摘要掉、腾地方。如果你"做了什么、验证了什么"的证据只活在那个易失的上下文里，它会恰好在一个跨天的 migration 或者一次大重构最需要它的时候蒸发掉。下一个会话，或者压缩后的续接，半瞎着开局，要么把干完的活重做一遍，要么更糟，把没干完的活标成做完了，因为那条失败已经滚出屏幕了。
修法是把证据写进仓库，让它留得住：一小套 agent 边走边维护的账本。一个进度文件，记当前检查点和下一步。一个证据文件，装命令的输出，真正跑过的那些绿色记录，不是一句"它们过了"的摘要。一个决策文件，记架构选择和它们的取舍，好让未来的会话不去重新吵、也不悄悄跟它矛盾。证据账本那条不可商量的规则是：它装的是证明，不是貌似。一段贴出来的绿色运行、一个干净的 diff、一个以零退出的检查。"我相信这能跑"不算一条记录。整件事的意义，是让一道冷启动的验证，不管是人还是 agent，能只凭仓库就把"做完"重建出来，不用信任任何人对那场对话的记忆。
整件事的形状
退一步看，这四个动作是同一个动作换了身衣服：把裁决权从模型手里拿走。
纯核心给 agent 一个能证明、而不是只能断言的东西。一条命令的验证，给"做完"一个 agent 改不了措辞的定义。一个独立的判官，不让作者批自己的卷子。一份证据账本，让证明活得比产出它的上下文更久。它们每一个，都是一次权力转移：从模型里那个自信的解说员，转到模型外一个确定性的检查。这次转移就是全部的赛点，因为模型的自信跟正确性不相关，而且永远不会相关，模型再强也一样。
这也是整个系列的那根主线。仓库是 agent 编程时要对着写的接口。契约让它的边界看得见。闸门让它的规则成真。验证让它的声明可查。这些没有一样是为了让 agent 变聪明，agent 是租来的，它在按一个你管不着的节奏自己变聪明。它们是在 agent 周围盖一个底座，好让一个又快、又死板照字面、又失忆、还有点过度自信的工人能在规模上干活，而系统接得住它漏掉的东西。
Agent 会越来越擅长写代码。我们的活，是越来越擅长盖那个判断代码对不对的东西，并且确保那个东西，永远不是 agent 对它自己的评价。
这是 agent 可维护仓库系列的最后一篇：仓库即 agent 接口、默契这东西 agent 不懂、CLAUDE.md 管不住 agent，和这一篇。它跟 代码开始自己写自己了 押着同一个韵：一个 agent 能验证的仓库，才是一个 agent 能放心一直改下去的仓库。